DE L'EMERGENCE AU HIT

Nous sommes data analyst dans une jeune maison de disque, l’objectif de notre projet consiste à identifier le segment du marché le plus profitable et d’y détecter les artistes émergents sur lesquels investir. Pour atteindre cet objectif, nous souhaitons développer un outil de machine learning qui permettrait de prédire la popularité d’une chanson.

Quels sont nos enjeux ?

Déterminer le genre ou le sous-genre le plus profitable

Méthodologie de l'émergence

Analyse et prédiction

Recherche des genres les plus populaires par followers

Dans la recherche par followers, un sous-genre se démarque : la Pop Rap

Qu'est-ce qu'un artiste émergent ?

Etre un artiste avec moins de 10 000 followers

Avoir une présence importance dans la milieu de la musique, traduit par le score de popularité Spotify

Ratio = Popularity/Nombre de Followers

Plus le ratio est bas (proche de zéro), plus le nombre de followers est à même d'expliquer le score de Popularity

Plus le ratio est élevé (éloigné de zéro), plus la marge de progression sur la plateforme est forte

Zoom sur les caractéristiques des tops artistes en Pop Rap, et leur ratio Popularity/Followers

La marge de progression semble fortement restreinte pour ces tops artistes au regard de ce ratio.

Zoom sur les caractéristiques des artistes émergeants en Pop Rap, et leur ratio Popularity/Followers

Le ratio est fortement plus élevé (≈ 300 fois plus élevé). La marge de progression est nettement plus réaliste.

Notre choix s'est porté sur un artiste : Gomey.

Gomey dispose d'un score de popularité (65) plus élevé que les deux autres artistes présentés.

Gomey dispose d'une base de followers suffisant pour rationaliser les coûts de communication initiaux.

Caractéristiques d'une track sur Spotify

Spotify détermine différentes caractéristiques pour une chanson, ce qui lui permet de faire des recommandations à ses utilisateurs.

Evolution des features dans le temps (1920 à 2020)

Demande croissante pour des musiques énergiques et dansantes.

Est-on en mesure de prédire le degré de succès d'une track en Pop Rap au moyen du Machine Learning à partir de ces caractéristiques ?

Ces données sont-elles pourtant dénuées de pertinence et à rejeter ?

Ces données nous donnent une idée des standards musicaux attendus.

Caractéristiques des tracks les plus populaires sur Spotify

Caractéristiques des tracks les plus impopulaires

Caractéristiques des tracks Pop Rap

Comparaison de ces caractéristiques

Nous pouvons observer que les caractéristiques des tracks Pop Rap sont plus proches des Hits que des Flops

Notre méthodologie 'data driven' nous a permis de prendre d'une décision sur un artiste émergent

Notre modèle a été moins performant que prévu par manque de données

Nous avons besoin d'élements extrinsèques à nos données:

• Le budget communication aloué à un artiste pour augmenter sa visibilité (budget ads, réseaux sociaux etc.)
• La symbolique qu'il représente, l'image de l'artiste et sa dimension sociologique
• La présence sur les réseaux sociaux et le lien qu'il entretien avec son public